举个例子，如果一个信用卡客户一个月刷卡8次，平均每次刷卡金额800元，平均一年打4次客服电话，从来没有投诉过，根据传统数据分析，这个客户是一个满意度高，流失风险低的客户。但如果看到客户的微博，真实情况是:工资卡和信用卡不在同一家银行，还款不方便。客户的客服电话数次未接通，客户多次在微博投诉，客户流失风险较大。
4、做 量化交易一般用什么软件?你需要了解一些数学模型，比如统计分析，人工智能算法。他的本质是用数学模型分析数据的潜在规律来寻找交易机会，用计算机程序搜索交易机会，完成自动化交易。没有现成的软件可以做到这一点，因为需要专业的平台，不是一个人就能做到的。国内有一些软件，比如大智慧提供量化分析，还有一些软件提供股票期货程序化交易。
事实上，要做出一款适合个人投资者的纯量化投资软件是非常困难的，因为量化策略不像传统基本面和技术面那样有既定的必然规律。他需要探索跨多个学科和领域的数据的规律，然后利用获得的规律进行交易。但不同时空的数据潜在规律并不一致，因此量化的流程很难标准化。如果你是计算机或数学专业的，可以考虑使用C、C 、SQL等语言，其他可以使用MATLAB/SAS等软件。
5、 量化 数据库可以从哪些方面研究Treiman把复杂的问题变得简单，提供了很多实用的建议和优化方法。这本书里没有复杂的数学推导。通过大量实例，了解社会科学研究的基本逻辑和设计思路，图文并茂，易于理解和把握最新的社会科学成果。量化数据分析:通过社会研究来检验想法不仅教统计学，还教学生如何用统计学来回答社会问题。
6、如何使用数据挖掘技术 量化个人建议如下:第一阶段:掌握数据挖掘的基本概念和方法。首先我们对数据挖掘有一个概念，掌握基本的算法，比如分类算法，聚类算法，协同过滤算法等等。参考书:《数据挖掘概念与技术》(第三版)，樊明、孟晓峰译。第二阶段:掌握大数据时代的数据挖掘和分布式处理算法。现在已经进入大数据时代，传统的数据挖掘算法已经不适用于王斌翻译的参考书:《大数据:互联网大规模数据挖掘与分布式处理》。
Hadoop有一个Mahout组件，包含了几乎所有的数据挖掘算法，包括分类、聚类、关联规则等等。参考书:Hadoop在行动(第二版)，作者:陆家恒。另外，数据挖掘是数据库技术、人工智能技术、机器学习技术、统计学习理论、数据可视化等一系列技术的综合，所以，要想学好数据挖掘，就得了解这些技术。建议看浙大王灿老师的数据挖掘课程，网上搜一下。
